20.8
正态分布
认识连续型随机变量,理解正态分布的特征以及均值、方差的含义。
本文章目录
01 · 出发点
用钟形曲线描述连续测量的集中与波动
身高、测量误差等连续变量常在某个中心附近出现得多,离中心越远出现得越少。平滑的钟形密度曲线可以刻画这种概率分布。
正态分布由均值 μ 和方差 σ² 决定,其中 σ>0。均值控制曲线中心,标准差 σ 控制曲线宽窄;总概率对应密度曲线下的总面积 1。
02 · 概念
正态曲线、参数与标准化
正态密度关于 x=μ 对称,在 μ 处达到最高。σ 越小,数据越集中,曲线越高越窄;σ 越大,数据越分散,曲线越低越宽。
若 X~N(μ,σ²) 且 σ>0,标准化变量 Z=(X-μ)/σ 服从标准正态分布 N(0,1)。区间概率可转化为标准正态表或技术工具能够计算的形式。
03 · 方法
从原变量转到标准位置
- 01
识别均值 μ、标准差 σ 和所求区间,先判断位置相对均值的方向。
- 02
对区间端点使用 z=(x-μ)/σ 标准化,并利用对称性化简。
- 03
读取标准正态概率或使用给定的经验比例,并检查答案在 0 到 1 之间。
04 · 例题
把方法落到具体问题
某测量值 X~N(100,4²)。按正态分布的 3σ 原则,估计 X 落在 [92,108] 内的概率。
解
- 1
均值 μ=100,标准差 σ=4。
- 2
区间端点 92 和 108 分别是 μ-2σ 与 μ+2σ。
- 3
正态分布在均值两侧 2 个标准差内的概率约为 95.4%。
05 · 辨析
容易忽略的条件与边界
回看
本节小结
- 正态分布由均值和方差唯一确定。
- 标准化把一般正态变量转化为标准正态变量。
- 连续型随机变量的区间概率对应密度曲线下的面积。